Project Icon

LeYOLO

可扩展高效的目标检测CNN架构

LeYOLO是一种新型目标检测模型系列,通过创新的CNN架构设计实现了计算效率与准确性的优化平衡。该模型引入高效主干网络缩放、快速金字塔架构网络和解耦网络中的网络检测头,大幅降低计算负载。在COCO验证集上,LeYOLO-Small仅使用4.5 GFLOP就达到38.2%的mAP,比YOLOv9-Tiny减少42%计算量。LeYOLO系列具有强大可扩展性,适用于从超低计算需求(<1 GFLOP)到高效高性能(>4 GFLOPs)的多种场景。

YOLO-Patch-Based-Inference - 补丁式推理优化小物体检测和实例分割
GithubYOLO实例分割开源项目深度学习目标检测计算机视觉
这个Python库实现了基于补丁的推理方法,用于改进小物体检测和实例分割。它支持多种Ultralytics模型,包括YOLOv8/v9/v10、FastSAM和RTDETR,可用于对象检测和实例分割任务。库提供了推理结果可视化功能,并通过优化的补丁处理和结果合并提高了小物体检测准确性。项目还包含交互式笔记本和教程,方便用户学习和使用。
yolort - 简易高效的YOLOv5目标检测工具
GithubONNXTensorRTYOLOv5yolort对象检测开源项目
yolort项目致力于简化和优化YOLOv5的训练与推理。采用动态形状机制,结合预处理和后处理,支持LibTorch、ONNX Runtime、TVM、TensorRT等多种后端的轻松部署。项目遵循简洁设计理念,安装与使用便捷,支持通过PyPI和源码安装。提供丰富的推理接口示例和详细文档,使目标检测更为轻松,适用于广泛的应用场景。
rtdetr_r50vd - 全新RT-DETR模型提升精度与速度的实时物体检测方案
GithubHuggingfaceRT-DETRYOLO变压器实时应用开源项目模型目标检测
RT-DETR是面向实时物体检测的创新模型,通过混合编码器和最小化不确定性查询选择,实现高精度和快速检测。模型在COCO和Objects365数据集训练,支持速度调整以适应多种场景。RT-DETR-R50/R101在COCO上分别取得53.1%和54.3%的平均精度,在T4 GPU上达到108和74 FPS,性能超过YOLO模型。
FCOS - 完全卷积单阶段对象检测技术
FCOSGithubResNet-50卷积神经网络开源项目性能提升目标检测
FCOS算法是一种完全卷积的单阶段对象检测方法,通过避免使用锚点框,提高了检测性能和速度。在COCO minival数据集上,FCOS实现了46FPS和40.3的AP评分,并在各种模型和硬件上表现出色,包括ResNe(x)t和MobileNet等。与Faster R-CNN相比,FCOS在ResNet-50平台上表现更佳(38.7对36.8的AP),且训练和推理时间更短。该项目已基于Detectron2实现,并引入了多项优化和改进。
darkflow - 实时物体检测与分类工具,支持多种YOLO模型
GithubYOLOdarkflowobject detectiontensorflow开源项目训练模型
Darkflow是一个用于实时物体检测和分类的开源项目,兼容Python3、Tensorflow、Numpy和OpenCV。用户可以通过pip安装、构建Cython扩展或使用自定义标签进行训练和推理。项目还提供Android演示和支持保存加载protobuf文件,适合跨平台应用。
YOLOv8-TensorRT - 通过TensorRT加速YOLOv8模型,提供在CUDA环境下的快速部署和推理解决方案
CUDAGithubONNXPyTorchTensorRTYOLOv8开源项目
本项目通过TensorRT加速YOLOv8模型,提供在CUDA环境下的快速部署和高效推理解决方案。包括环境准备、模型导出、引擎构建和多种推理方法,支持Python和C++语言。特性涵盖ONNX模型导出、端到端引擎构建和模型推理,适用于图像和视频的不同输入源。支持Jetson设备,并附有详细的文档和脚本,便于操作,提升深度学习应用性能。
PaddleDetection - 目标检测套件支持多任务开发部署
GithubPaddleDetectionPaddlePaddle开源项目深度学习目标检测计算机视觉
PaddleDetection是基于PaddlePaddle的目标检测开发套件,支持通用、小目标、旋转框等多种检测任务。它提供PP-YOLOE、PP-PicoDet等高性能模型和丰富的模型组件,注重产业应用,帮助开发者实现从数据准备到模型部署的全流程开发。
ComfyUI-YoloWorld-EfficientSAM - YOLO-World + EfficientSAM for ComfyUI 的非官方实现,提供高效的对象检测与实例分割功能
ComfyUIEfficientSAMGithubYOLO-World实例分割对象检测开源项目
该项目非官方实现了YOLO-World和EfficientSAM,通过融合这两个模型,提供高效的对象检测与实例分割功能。版本V2.0新增了蒙版分离与提取功能,支持指定蒙版单独输出,可处理图像和视频。项目特点包括支持加载多种YOLO-World和EfficientSAM模型,提供检测框厚度、置信度阈值、IoU阈值等配置选项,以提升检测与分割的精准性。详细的视频演示和安装指南,使用户能够轻松上手,体验高效的图像处理能力。
ONNX-YOLOv8-Object-Detection - 将YOLOv8模型转换为ONNX格式的方法
GPUGithubONNXYOLOv8开源项目模型转换目标检测
本项目提供了一种将YOLOv8模型转换为ONNX格式的高效方法,支持在NVIDIA GPU或CPU上进行对象检测。确保输入图片尺寸与模型要求一致,以获得最佳检测精度。项目配有详细的安装指南和推理示例,包括图片、摄像头和视频推理,方便开发者快速上手并应用于实际场景。
rtdetr_r101vd_coco_o365 - 实时目标检测革新者RT-DETR超越传统性能表现
GithubHuggingfaceRT-DETR开源项目模型模型训练深度学习目标检测计算机视觉
RT-DETR通过混合编码器架构和不确定性最小化查询选择方法实现目标检测任务。在COCO数据集测试中,RT-DETR-R101版本达到56.2% AP精度,T4 GPU上处理速度为74 FPS。模型可通过调整解码器层数实现速度与精度的灵活平衡,为实时目标检测领域提供新的技术方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号